Desarrollo de prototipo web para la predicción del dólar estadounidense y el euro respecto al peso colombiano y Bitcoin respecto al dólar estadounidense a través de series temporales y técnicas de Deep Learning.
Date
2023-01-12
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
Actualmente el interés por la inversión en la bolsa de valores ha venido en aumento tanto a
nivel nacional como internacional debido a preconceptos de fácil obtención ganancias. Lo
anterior, es ajeno a la realidad, ya que los mercados de divisas toman tendencias que no
son fácilmente modelables a simple vista. En ese contexto, es importante entender la
necesidad de una herramienta robusta que apoye a los inversores en momentos de
decisión. En este trabajo se presenta una herramienta enfocada en la estimación/predicción
de los diversos precios que pueden tomar el euro, el bitcoin y el dólar; esto se realiza a
través de algoritmos de aprendizaje automático, empleando arquitecturas como lo son el
LSTM (Long Short Term Memory), GRU (Gated Recurrent Unit), TCN (Temporal
Convolutional Networks), ARIMA (Modelo Autorregresivo Integrado de Medias Móviles) y
una combinación de capas recurrentes LSTM y unidades recurrentes GRU. A través de
diversas métricas de evaluación y de una metodología previamente seleccionada y
enfocada en los algoritmos de machine Learning, se realizó una clasificación de los mejores
modelos a partir de la generación de resultados óptimos, enfatizando que cada selección se
hace con base a cada moneda que se describe. Se encontró que los modelos ajustados a
cada moneda son: (i) dólar, modelo ARIMA (4,1,2) con un RMSE de 28.24 y error porcentual
de 0.62%, (ii) euro, modelo GRU con un RMSE de 31.85 y error porcentual de 0.57%,
(iii)bitcoin modelo LSTM con un RMSE de 367.72 y error porcentual de 0.63%.
Interestin investing in the stock exchangehas been increasing nationally and
internationallydue to preconceptions of easy profit-making. However, the previous is alien to
realitysince the currency markets take trends that are not easily modeled at firstglance. In
this context, it is essentialto understand the need for a robust tool that supports investorsin
moments of decision. This work presents a tool focused on the estimation/prediction of the
differentprices that the euro, bitcoin,and dollarcan take; Thisis done through machine
learning algorithms, using architectures such as LSTM (Long Short Term Memory), GRU
(Gated Recurrent Unit), TCN (Temporal Convolutional Networks), ARIMA (Autoregressive
Integrated Moving Average) and a combination of LSTM recurringlayers and GRU
recurringunits. Through various evaluation metrics and a previously selected methodology
focused on machine learningalgorithms, a classification of the best models was made based
on the generation of optimal results, emphasizingthat each selection is made based on each
coin.that is described. As a result,it was found that the models adjusted to each currency
are: (i)dollar,ARIMA model (4,1,2) with an RMSE of 28.24 and percentage error of 0.62%,
(ii)euro,GRU model with an RMSE of 31.85 and percentage error of 0.57%, (iii)bitcoin model
LSTM with an RMSE of 367.72 and percentage error of 0.63%
Description
Keywords
Series de tiempo, Patrón de diseño MVC, Aprendizaje profundo, Métricas de calidad, ARIMA, Python, Time Series, MVC design pattern, Deep Learning, Evaluation of quality metrics, ARIMA, Python